摘要
本发明公开了一种动态工况下旋转机械早期故障诊断方法及系统,涉及智能故障诊断技术领域,其包括:S1、数据准备;2、训练DA‑WGAN模型并进行数据扩容,其包括:S21、生成对抗网络;S22、引入GAN模型的有条件版本:C‑GAN模型,并定义C‑GAN的目标函数,实现类标签的输入;S23、使用Wasserstein距离作为真实数据分布和生成数据分布之间距离的度量,并采用梯度惩罚方法(GP)满足Lipschitz连续性条件,定义GP的目标函数S24、通过二元交叉熵损失函数实现域对抗损失函数,并基于域对抗损失函数和改进的目标函数定义DA‑WGAN损失,完成生成模型中域识别器的搭建和域对抗损失的设置。本申请具有改善旋转机械早期故障诊断标签样本不足的问题的效果。
技术关键词
迁移学习分类
数据分布
WGAN模型
旋转机械早期故障诊断
注意力机制
惩罚方法
生成对抗网络
工况
标签
定义
动态
智能故障诊断技术
样本
深度神经网络
特征提取器
无监督
识别器